• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
10.11606/D.12.2003.tde-16092004-121634
Documento
Autor
Nombre completo
Francisco Henrique Figueiredo de Castro Junior
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2003
Director
Tribunal
Zwicker, Ronaldo (Presidente)
Kayo, Eduardo Kazuo
Siqueira, Jose de Oliveira
Título en portugués
Previsão de insolvência de empresas brasileiras usando análise discriminante, regressão logística e redes neurais
Palabras clave en portugués
análise discriminante
previsão de insolvência
redes neurais
regressão logística
Resumen en portugués
Estudos com o objetivo de prever insolvência de empresas e que fazem uso de técnicas estatísticas modernas são conduzidos desde a década de 1960. Esta linha de pesquisa, que inicialmente usou técnicas univariadas, e em seguida incorporou as análises multivariadas, hoje emprega largamente técnicas que fazem uso de inteligência artificial e que necessitam uma grande capacidade de processamento computacional. Esta evolução trouxe melhorias contínuas aos resultados alcançados e hoje é possível afirmar que os demonstrativos financeiros de empresas quando analisados adequadamente são uma fonte importante de informação para a previsão de insolvência. Esta pesquisa teve como principal objetivo desenvolver e comparar modelos estatísticos usando as técnicas de Análise Discriminante Linear, Regressão Logística e Redes Neurais Artificiais a fim de investigar qual delas oferece os melhores resultados. A amostra foi composta por 40 empresas, divididas em dois grupos: o primeiro com empresas formalmente insolventes segundo os critérios da legislação brasileira, e o segundo com empresas sem tais problemas. Foram usadas inicialmente 16 variáveis para predição e empregou-se um critério de seleção de variáveis baseado nos melhores subconjuntos possíveis ao invés do stepwise. Foi tomado especial cuidado com os pré-requisitos das técnicas, sobretudo da Análise Discriminante, como normalidade e ausência de multicolinearidade das variáveis independentes. Os resultados das previsões obtidas com os modelos foram coerentes com o esperado, ou seja, a Análise Discriminante teve um desempenho inferior à Regressão Logística que também foi superada pelas Redes Neurais Artificiais.
Título en inglés
Bankruptcy prediction in brazilian companies with discriminant analysis, logistic regression and artificial neural networks
Palabras clave en inglés
artificial neural networks
bankruptcy
discriminant analysis
logistic regression
prediction
Resumen en inglés
Researches in bankruptcy prediction of companies that make use of modern statistics techniques are being held since the 1960’s. This branch of study, which initially employed univariate techniques, and then assimilated the multivariate techniques today uses artificial intelligence, a techniques that needs a great computational processing capability. This evolution brought continuing improvements to the results achieved and today is possible to say that financial statements when properly analyzed are a good source of information to the prediction of financial distress. This research aimed mainly the development of prediction models using Discriminant Analysis, Logistic Regression and Artificial Neural Networks so that they could be compared in terms of predictive capabilities. The sample consisted of 40 firms divided in 2 groups (bankrupt and non bankrupt companies) according to the Brazilian bankruptcy law. The 16 initial predictors were selected to enter the model according to the best subsets procedure in order than the stepwise procedure. Special attention was taken to accomplish the pre-requisites of the techniques, above all the Discriminant Analysis, like normality and lack of multicollinearity of the independent variables. The findings of the predictions were reasonable and according to what was expected: the Discriminant Analysis was outperformed by the Logistic Regression that was also outperformed by the Artificial Neural Networks.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
dissert.pdf (872.25 Kbytes)
Fecha de Publicación
2004-10-08
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
Centro de Informática de São Carlos
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2023. Todos los derechos reservados.